© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
浙江微萌医院管理有限公司
企业浙江微萌医院管理有限公司成立于2017年，注册地位于浙江省，所属行业为其他服务业。经营范围涵盖一般项目：技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广；软件开发；网络与信息安全软件开发；医院管理；市场调查（不含涉外调查）；会议及展览服务；图文设计制作；计算机软硬件及辅助设备批发；电子产品销售；办公用品销售；机械设备销售(。
高新技术企业科技型中小企业雏鹰企业小微企业A轮
数据集列表
医院中心供应室医疗设备故障分析数据
在医院中心供应室医疗设备故障分析场景中,通过对医院的中心供应室医疗设备故障与时间维度的挖掘,生成的数据可作为模型辅助医院监管人员对医院中心供应室医疗设备故障的异常波动分析.从而分析中心供应室医疗设备故障的变化幅度与时间范围的关系.以此来管控中心供应室医疗设备故障异常波动.定位问题,针对性的做介入管控和调节.该模型普适于各大医院和医疗机构.1:数据来源: 以多个医院固定资产系统中心供应室医疗设备故障数据为依据，经系统算法加工得出
2: 数据处理:
设备名称: PN ;
规格型号:SPEC ;
设备单价: DP 设备采购单价 ;
设备购入时间: DIT 设备采购时间 ;
故障时间: DET 设备出现故障的时间 ;
设备故障原因: DER 设备出现故障的原因 ;
设备设定生命周期: DAC 指该设备从采购到报废的时间;
设备异常预警: DEC 设备是否在设定的生命周期内出现故障
创建时间: CD 数据创建的日期
3:算法分析:
采用公式计算该中心供应室医疗设备异常预警 DEC= (DET-DIT)-DAC;
4:数据应用: 在医院中心供应室医疗设备故障分析场景中,该中心供应室医疗设备异常预警 DEC( 小于0,该中心供应室医疗设备异常预警为异常, 大于等于0该中心供应室医疗设备异常预警为正常 );
浙江省数据知识产权登记平台2025-05-27 更新50
医院临工库房医疗设备故障分析数据
在医院临工库房医疗设备故障分析场景中,通过对医院的临工库房医疗设备故障与时间维度的挖掘,生成的数据可作为模型辅助医院监管人员对医院临工库房医疗设备故障的异常波动分析.从而分析临工库房医疗设备故障的变化幅度与时间范围的关系.以此来管控临工库房医疗设备故障异常波动.定位问题,针对性的做介入管控和调节.该模型普适于各大医院和医疗机构.1:数据来源: 以多个医院固定资产系统中临工库房医疗设备故障数据为依据，经系统算法加工得出
2: 数据处理:
设备名称: PN ;
规格型号:SPEC ;
设备单价: DP 设备采购单价 ;
设备购入时间: DIT 设备采购时间 ;
故障时间: DET 设备出现故障的时间 ;
设备故障原因: DER 设备出现故障的原因 ;
设备设定生命周期: DAC 指该设备从采购到报废的时间;
设备异常预警: DEC 设备是否在设定的生命周期内出现故障
3:算法分析:
采用公式计算该临工库房医疗设备异常预警 DEC= (DET-DIT)-DAC;
4:数据应用: 在医院临工库房医疗设备故障分析场景中,该临工库房医疗设备异常预警 DEC( 小于0,该临工库房医疗设备异常预警为异常, 大于等于0该临工库房医疗设备异常预警为正常 );
浙江省数据知识产权登记平台2025-05-22 更新50
医院血透室医疗设备故障分析数据
在医院血透室医疗设备故障分析场景中,通过对医院的血透室医疗设备故障与时间维度的挖掘,生成的数据可作为模型辅助医院监管人员对医院血透室医疗设备故障的异常波动分析.从而分析血透室医疗设备故障的变化幅度与时间范围的关系.以此来管控血透室医疗设备故障异常波动.定位问题,针对性的做介入管控和调节.该模型普适于各大医院和医疗机构.1:数据来源: 以多个医院固定资产系统中血透室医疗设备故障数据为依据，经系统算法加工得出
2: 数据处理:
设备名称: PN ;
规格型号:SPEC ;
设备单价: DP 设备采购单价 ;
设备购入时间: DIT 设备采购时间 ;
故障时间: DET 设备出现故障的时间 ;
设备故障原因: DER 设备出现故障的原因 ;
设备设定生命周期: DAC 指该设备从采购到报废的时间;
设备异常预警: DEC 设备是否在设定的生命周期内出现故障
创建时间: CD 数据创建的日期
3:算法分析:
采用公式计算该血透室医疗设备异常预警 DEC= (DET-DIT)-DAC;
4:数据应用: 在医院血透室医疗设备故障分析场景中,该血透室医疗设备异常预警 DEC( 小于0,该血透室医疗设备异常预警为异常, 大于等于0该血透室医疗设备异常预警为正常 );
浙江省数据知识产权登记平台2025-05-13 更新260
医院护理门诊医疗设备故障分析数据
在医院护理门诊医疗设备故障分析场景中,通过对医院的护理门诊医疗设备故障与时间维度的挖掘,生成的数据可作为模型辅助医院监管人员对医院护理门诊医疗设备故障的异常波动分析.从而分析护理门诊医疗设备故障的变化幅度与时间范围的关系.以此来管控护理门诊医疗设备故障异常波动.定位问题,针对性的做介入管控和调节.该模型普适于各大医院和医疗机构.1:数据来源: 以多个医院固定资产系统中护理门诊医疗设备故障数据为依据，经系统算法加工得出
2: 数据处理:
设备名称: PN ;
规格型号:SPEC ;
设备单价: DP 设备采购单价 ;
设备购入时间: DIT 设备采购时间 ;
故障时间: DET 设备出现故障的时间 ;
设备故障原因: DER 设备出现故障的原因 ;
设备设定生命周期: DAC 指该设备从采购到报废的时间;
设备异常预警: DEC 设备是否在设定的生命周期内出现故障
创建时间: CD 数据创建的日期
3:算法分析:
采用公式计算该护理门诊医疗设备异常预警 DEC= (DET-DIT)-DAC;
4:数据应用: 在医院护理门诊医疗设备故障分析场景中,该护理门诊医疗设备异常预警 DEC( 小于0,该护理门诊医疗设备异常预警为异常, 大于等于0该护理门诊医疗设备异常预警为正常 );
浙江省数据知识产权登记平台2025-05-13 更新150
医院急诊室医疗设备故障分析数据
在医院急诊室医疗设备故障分析场景中,通过对医院的急诊室医疗设备故障与时间维度的挖掘,生成的数据可作为模型辅助医院监管人员对医院急诊室医疗设备故障的异常波动分析.从而分析急诊室医疗设备故障的变化幅度与时间范围的关系.以此来管控急诊室医疗设备故障异常波动.定位问题,针对性的做介入管控和调节.该模型普适于各大医院和医疗机构.1:数据来源: 以多个医院固定资产系统中急诊室医疗设备故障数据为依据，经系统算法加工得出
2: 数据处理:
设备名称: PN ;
规格型号:SPEC ;
设备单价: DP 设备采购单价 ;
设备购入时间: DIT 设备采购时间 ;
故障时间: DET 设备出现故障的时间 ;
设备故障原因: DER 设备出现故障的原因 ;
设备设定生命周期: DAC 指该设备从采购到报废的时间;
设备异常预警: DEC 设备是否在设定的生命周期内出现故障
3:算法分析:
采用公式计算该急诊室医疗设备异常预警 DEC= (DET-DIT)-DAC;
4:数据应用: 在医院急诊室医疗设备故障分析场景中,该急诊室医疗设备异常预警 DEC( 小于0,该急诊室医疗设备异常预警为异常, 大于等于0该急诊室医疗设备异常预警为正常 );
浙江省数据知识产权登记平台2025-05-09 更新420
医院手术室医疗设备故障分析数据
在医院手术室医疗设备故障分析场景中,通过对医院的手术室医疗设备故障与时间维度的挖掘,生成的数据可作为模型辅助医院监管人员对医院手术室医疗设备故障的异常波动分析.从而分析手术室医疗设备故障的变化幅度与时间范围的关系.以此来管控手术室医疗设备故障异常波动.定位问题,针对性的做介入管控和调节.该模型普适于各大医院和医疗机构.1:数据来源: 以多个医院固定资产系统中手术室医疗设备故障数据为依据，经系统算法加工得出
2: 数据处理:
设备名称: PN ;
规格型号:SPEC ;
设备单价: DP 设备采购单价 ;
设备购入时间: DIT 设备采购时间 ;
故障时间: DET 设备出现故障的时间 ;
设备故障原因: DER 设备出现故障的原因 ;
设备设定生命周期: DAC 指该设备从采购到报废的时间;
设备异常预警: DEC 设备是否在设定的生命周期内出现故障
创建时间: CD 数据创建的日期
3:算法分析:
采用公式计算该手术室医疗设备异常预警 DEC= (DET-DIT)-DAC;
4:数据应用: 在医院手术室医疗设备故障分析场景中,该手术室医疗设备异常预警 DEC( 小于0,该手术室医疗设备异常预警为异常, 大于等于0该手术室医疗设备异常预警为正常 );
浙江省数据知识产权登记平台2025-05-27 更新170
医院放射科医疗设备故障分析数据
在医院放射科医疗设备故障分析场景中,通过对医院的放射科医疗设备故障与时间维度的挖掘,生成的数据可作为模型辅助医院监管人员对医院放射科医疗设备故障的异常波动分析.从而分析放射科医疗设备故障的变化幅度与时间范围的关系.以此来管控放射科医疗设备故障异常波动.定位问题,针对性的做介入管控和调节.该模型普适于各大医院和医疗机构.1:数据来源: 以多个医院固定资产系统中放射科医疗设备故障数据为依据，经系统算法加工得出
2: 数据处理:
设备名称: PN ;
规格型号:SPEC ;
设备单价: DP 设备采购单价 ;
设备购入时间: DIT 设备采购时间 ;
故障时间: DET 设备出现故障的时间 ;
设备故障原因: DER 设备出现故障的原因 ;
设备设定生命周期: DAC 指该设备从采购到报废的时间;
设备异常预警: DEC 设备是否在设定的生命周期内出现故障
创建时间: CD 数据创建的日期
3:算法分析:
采用公式计算该放射科医疗设备异常预警 DEC= (DET-DIT)-DAC;
4:数据应用: 在医院放射科医疗设备故障分析场景中,该放射科医疗设备异常预警 DEC( 小于0,该放射科医疗设备异常预警为异常, 大于等于0该放射科医疗设备异常预警为正常 );
浙江省数据知识产权登记平台2025-05-21 更新80
医院检验科医疗设备故障分析数据
在医院检验科医疗设备故障分析场景中,通过对医院的检验科医疗设备故障与时间维度的挖掘,生成的数据可作为模型辅助医院监管人员对医院检验科医疗设备故障的异常波动分析.从而分析检验科医疗设备故障的变化幅度与时间范围的关系.以此来管控检验科医疗设备故障异常波动.定位问题,针对性的做介入管控和调节.该模型普适于各大医院和医疗机构.1:数据来源: 以多个医院固定资产系统中检验科医疗设备故障数据为依据，经系统算法加工得出
2: 数据处理:
设备名称: PN ;
规格型号:SPEC ;
设备单价: DP 设备采购单价 ;
设备购入时间: DIT 设备采购时间 ;
故障时间: DET 设备出现故障的时间 ;
设备故障原因: DER 设备出现故障的原因 ;
设备设定生命周期: DAC 指该设备从采购到报废的时间;
设备异常预警: DEC 设备是否在设定的生命周期内出现故障
创建时间: CD 数据创建的日期
3:算法分析:
采用公式计算该检验科医疗设备异常预警 DEC= (DET-DIT)-DAC;
4:数据应用: 在医院检验科医疗设备故障分析场景中,该检验科医疗设备异常预警 DEC( 小于0,该检验科医疗设备异常预警为异常, 大于等于0该检验科医疗设备异常预警为正常 );
浙江省数据知识产权登记平台2025-05-13 更新240
医院血液净化中心医疗设备故障分析数据
在医院血液净化中心医疗设备故障分析场景中,通过对医院的血液净化中心医疗设备故障与时间维度的挖掘,生成的数据可作为模型辅助医院监管人员对医院血液净化中心医疗设备故障的异常波动分析.从而分析血液净化中心医疗设备故障的变化幅度与时间范围的关系.以此来管控血液净化中心医疗设备故障异常波动.定位问题,针对性的做介入管控和调节.该模型普适于各大医院和医疗机构.1:数据来源: 以多个医院固定资产系统中血液净化中心医疗设备故障数据为依据，经系统算法加工得出
2: 数据处理:
设备名称: PN ;
规格型号:SPEC ;
设备单价: DP 设备采购单价 ;
设备购入时间: DIT 设备采购时间 ;
故障时间: DET 设备出现故障的时间 ;
设备故障原因: DER 设备出现故障的原因 ;
设备设定生命周期: DAC 指该设备从采购到报废的时间;
设备异常预警: DEC 设备是否在设定的生命周期内出现故障
3:算法分析:
采用公式计算该血液净化中心医疗设备异常预警 DEC= (DET-DIT)-DAC;
4:数据应用: 在医院血液净化中心医疗设备故障分析场景中,该血液净化中心医疗设备异常预警 DEC( 小于0,该血液净化中心医疗设备异常预警为异常, 大于等于0该血液净化中心医疗设备异常预警为正常 );
浙江省数据知识产权登记平台2025-05-09 更新100
医院监护室医疗设备故障分析数据
在医院监护室医疗设备故障分析场景中,通过对医院的监护室医疗设备故障与时间维度的挖掘,生成的数据可作为模型辅助医院监管人员对医院监护室医疗设备故障的异常波动分析.从而分析监护室医疗设备故障的变化幅度与时间范围的关系.以此来管控监护室医疗设备故障异常波动.定位问题,针对性的做介入管控和调节.该模型普适于各大医院和医疗机构.1:数据来源: 以多个医院固定资产系统中监护室医疗设备故障数据为依据，经系统算法加工得出
2: 数据处理:
设备名称: PN ;
规格型号:SPEC ;
设备单价: DP 设备采购单价 ;
设备购入时间: DIT 设备采购时间 ;
故障时间: DET 设备出现故障的时间 ;
设备故障原因: DER 设备出现故障的原因 ;
设备设定生命周期: DAC 指该设备从采购到报废的时间;
设备异常预警: DEC 设备是否在设定的生命周期内出现故障
3:算法分析:
采用公式计算该监护室医疗设备异常预警 DEC= (DET-DIT)-DAC;
4:数据应用: 在医院监护室医疗设备故障分析场景中,该监护室医疗设备异常预警 DEC( 小于0,该监护室医疗设备异常预警为异常, 大于等于0该监护室医疗设备异常预警为正常 );
浙江省数据知识产权登记平台2025-05-09 更新90